天津市工业主要行业发展的比较研究，本文主要内容关键词为：天津市论文,行业发展论文,工业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F403.7 文献标识码：A 文章编号：1007—9807 （2000）03—0082—07
0 引言
世纪之交，世界各国都在以新的发展姿态迎接新世纪的到来，由于当代科学技术的飞速进步和生产力的迅速提高，使得世界出现了一体化的趋势，加快经济增长，调整产业结构，以增强国家的综合国力，已成为各国共同的战略发展目标.中国经济正面临一个大好时机，同时也面临严峻的挑战.加快转变经济增长方式，促进国民经济持续、快速、健康发展的任务已摆在我们面前.产业结构的调整、优化和升级是转变经济增长方式的重要内容，是经济增长的重要因素，因此，产业发展在一定意义上决定着国民经济的发展.
我国是一个幅员辽阔的发展中大国，各省自然条件、资源禀赋相差甚大，各地区的工业化水平、产业结构特点和社会经济条件极不平衡，经济具有相当大的地域差异性，然而迄今国家仍没有制定出相应完整的区域产业政策体系，许多地区大都简单地按国家产业结构统一的发展序列要求作为本地区产业发展的标准，缺乏区域产业发展指导政策.1994年4月12日国务院颁布的《90 年代国家产业政策纲要》中提出“振兴机械电子、石化、汽车和建筑业，使之成为国民经济的支柱产业”的战略目标，这一产业导向具有原则性，但对地区的作用不够直接和具体，加之部分地区对支柱产业的概念认识模糊，并且受利益驱使，导致许多地区支柱产业选择的趋同.据统计，全国30 个省区在制定发展规划中将汽车，机械电子，石化和建筑业作为地区支柱产业的分别为22，25，24和19个，一旦付诸实施，必然会造成新的结构趋同化[1].由此可见， 产业结构的合理性在我国的社会主义市场经济发展中的地位愈加重要，产业结构调整优化和升级是转变经济增长方式的重要内容，是经济增长的重要因素.由于产业的调整是非常复杂的，单用一个指标不能准确地度量一个产业经济发展的效益，对产业的考察应该是多方面，全方位的.于是我们需要用多个指标来综合评价产业经济发展的效益，从而准确地度量产业发展的水平，制定出合理的产业结构政策。
产业结构的变化是涉及国家资源配置的一个大问题，产业的发展与技术的进步意味着资源配置的不断优化.当今世界已进入信息化社会，对中国这样一个步入社会主义市场经济的发展中国家来说，加速产业的发展与升级，将是立于世界之林的关键，也是实现经济增长方式转变的重要内容.制定经济发展战略，准确地选定优势产业，明确产业发展重点，分析各产业经济效益，在一定意义上决定着国民经济的发展.由此，人们应对建造评价产业效益的指标作一些探索和研究，并给选定优势产业提供一定的理论依据。
在分析工业各行业经济效益时，由于反映一个特定行业的经济效益的指标很多，各指标之间还有一定的相关性，缺乏有效的方法进行比较。本文将视具体问题确定适当的数量指标集，采用主成分分析方法，并且还将利用聚类分析和因子分析方法进行进一步的分析，比较出各行业之间的现状和发展趋势。这将为制定天津市整体经济发展战略提供一定策略依据。
1 三种分析方法简介
主成分分析是多元统计分析中应用广泛的一种方法， 是由Pearson于1901年首先引入，Rao（1964），Gnanadesikan（1977）， Morrison（1976）和Bibby（1979 ）等人进一步发展而形成的重要的多元统计方法.主成分分析是研究如何通过少数几个主成分（即原始变量的线性组合）来解释多变量的方差一协方差结构。具体地说，是导出少数几个主分量它们尽可能多地保留了原始变量的信息，且彼此间又不相关，其思想就是从简化方差，协方差的结构来考虑降维，即在一定的约束条件下，把代表各原始变量的各坐标轴构成的坐标系进行一个旋转产生的新坐标系中的若干个代表了具有最大变异方向的新坐标轴，（也可以说是对原始变量作了一次特殊的正交变换）而得到一组具有某种良好的方差性质的新变量（得到的一组新变量彼此互不相关且在各自的特征方向上有最大方差）再从中选取前几个变量来代替原变量，主成分分析的主要目的就是用来减少变量个数，然后用于标图，回归，聚类，等等。也就是说，主成分分析往往不是最终目的，而是达到某种目的的一种手段，因此它常常被用在某个项目研究的中间环节。
聚类分析的目的是把分类对象按一定规则分成组或类，这些组或类不是事先给定的，或依经验确定的，而是根据数据特征而定的。在一个给定的类里的这些对象在某种意义上倾向于彼此相似，而在不同类里的这些对象倾向于不相似。聚类分析也能够用来概括数据而不仅是寻找自然的或“实在的”分类。
因子分析的目的是用有限个不可观测的潜在变量来解释原变量间的相关性或协方差关系。这些不可观测的潜在变量（或隐变量）称为公因子（common factor）。公因子一般不能表示为原始变量的线性组合。 在公因子分析里，为了使得每个变量有不相关的随机误差或特殊方差，总是假定这些隐变量是线性无关的。因子分析常常伴有因子的旋转，旋转的目的是为了更明确地解释分量或因子的意义，在数学上就是对因子进行的非奇异线性变换。
由于篇幅所限，具体分析理论方法见文[2].
2 各行业发展状态的主成分分析
在选取反映各行业效益的指标时，应力求较完善、全面、真实地反映行业规模和效益的状况。体现各行业的基本特征，并且指标的选取还应遵循以下原则：
（1）综合性.选择独立性较强、能综合反映指标群特征的指标，尽量避免选择意义相近的指标；
（2）可比性.力求操作指标与统计指标的口径相同， 便于采集和横向、纵向比较；
（3）实用性和易操作性.
为此，选取以下指标：Z[,1]：工业总产值（万元）；Z[,2]：销售总收入（万元）；Z[,3]：利税总额（万元）；Z[,4]：固定资产合计（万元）；Z[,5]：资本金合计（万元）；Z[,6]：年平均职工人数（人）；Z[,7]：能源消耗（折合为万吨煤）.我们认为， 这七项指标对于反映行业规模及效益具有一定的代表性.并且计算简洁，实用性强，易于操作。为了使主成分更加有效，行业个数要大于指标个数，且越大越好，但在实际计算中也不可能取太多行业，根据国家工业普查的统一标准，且考虑到指标数据的采集方便性，我们选取了天津市工业中十六个主要行业进行分析。数据取自《天津市统计年鉴》[3]。具体数据见表1.符号解释如下：
Ahy1：石油和天然气开采业
Bhy2：食品加工及制造和饮料制造业
Chy3：纺织业
Dhy4：造纸及纸制品业
Ehy5：石油加工及炼焦业
Fhy6：化学原料及化学制品制造业
Ghy7：医药制造业
Hhy8：非金属矿物制品业
Ihy9：黑色金属冶炼及压延加工业
Jhy10：金属制品业
Khy11：普通机械、专用设备制造业
Lhy12：交通运输设备制造业
Mhy13：电气机械及器材制造业
Nhy14：电子及通信设备制造业
Ohy15：仪器仪表及文化办公用品机械制造业
Phy16：电力、蒸气、热水的生产和供应业
表1 原始数据
Z[,1]
Z[,2]
Z[,3]
Z[,4]
Z[,5]
Z[,6]
Z[,7]
Ahy1
736925 727965 83848 568318 358591 63004
132.01
Bhy2 1547782 1042432 157311 658868 519878 7727237.23
Chy3
781472 725825 86 565123 271001 15089054.17
Dhy4
185121 180625 11256 293243
70469 3026415.39
Ehy5
849914 890790 78008 432557 201461 2526286.78
Fhy6 1359855 1313592 101163 1246489 728997 112274
251.35
Ghy7
387945 353677 110106 130798 155481 2540514.34
Hhy8
360389 305155 11999 362903 209870 73129 4.84
Ihy9
998348 999093 38860 1795253 1112502 72323
230.16
Jhy10 626973 588596
6468 313497 261779 10003923.93
Khy11 1113153 929329 96308 520169 620842 18237434.21
Lhy12 1741995 1858132 173078 802016 677145 12258632.76
Mhy13 678239 628982
4015 382572 488248 8316217.51
Nhy14 3047065 2477499 297845 722328 619309 8106517.24
Ohy15 185332 171545
5020
97736 107313 38748 3.79
Phy16 239799 684519 55459 754226 398909 1851031.70
主成分分析方法的具体步骤如下：
（1）对原始数据进行标准化变换并求相关系数阵R；
（2）求相关系数矩阵R的特征根λ[,j]，j＝1，2，…；
（3）根据λ[,1]≥λ[,2]≥…≥λ[,n]≥0，确定特征向量e[,1]，e[,2]，…，e[,n]；
（4）计算特征根λ[,j]的信息贡献率，累计贡献率， 根据累计贡献率≥80%的一般原则，确定主成分个数K；
（5）计算综合评价值，计算每个主成分得分值Z[,1]，Z[,2]， …，Z[,k]，称Z＝a[,1]Z[,1]+a[,2]Z[,2]+…+a[,k]Z[,k]为主成分综合得分值，也称为综合得分评价值，其中a[,i]，i＝1，2，…，K， 为第i个主成分Z[,i]的信息贡献率。
用SAS软件包首先对变量进行主成分分析[4]，得到样本相关阵的特征值与特征向量，见表2，表3.
表2 样本相关阵的特征值
EigenvalueDifferenceProportionCumulative
PRIN1 3.90016
2.10834
0.557166 0.55717
PRIN2 1.79182
0.88732
0.255974 0.81314
PRIN3 0.90450
0.65807
0.129215 0.94235
PRIN4 0.24643
0.15670
0.035204 0.97756
PRIN5 0.08973
0.04935
0.012818 0.99038
PRIN6 0.04038
0.01340
0.005769 0.99615
PRIN7 0.02698 0.003855 1.00000
表3 样本相关阵的特征向量
PRIN1
PRIN2
Z1
0.442609
-0.336388工业总产值(万元)
Z2
0.458709
-0.277181销售总收入(万元)
Z3
0.363455
-0.448975利税总额(万元)
Z4
0.3878990.444349固定资产合计(万元)
Z5
0.4411230.275221资本金合计(万元)
Z6
0.2330040.004313年平均职工人数(人)
Z7
0.2494760.578985能源消耗(折合为万吨煤)
由此可知，prin1和prin2的累计贡献率已达81%，故选两个主成分就可以了。各行业第一、二主成分prin1、prin2的计算公式（公式中的Z[,i]是原始数据标准化后的数值）为
prin1＝0.442 609 Z[,1]+0.458 709 Z[,2]+0.363 455 Z[,3]+
0.387 899 Z[,4]+0.441 123 Z[,5]+0.233 004 Z[,6]+0.249 476 Z
prin2＝-0.336 388 Z[,1]－0.277 181 Z[,2]－0.448 975 Z[,3]
+0.444 439 Z[,4]+0.275 221 Z[,5]+0.004 313 Z[,6]+0.578 985
Z[,7]
两个主成分已代替了原来七个变量的大部分，现在解释这两个主成分的经济含义。第一主成分（prin1）在各个变量上的系数都是正的， 而且数值上相差不大，数值都在0.2－0.5之间，在各个变量上的系数代表此变量对各行业规模的相对贡献率，因此可以认为prin1 代表各行业的规模大小。即prin1的数值越大，行业规模越大。 我们把十六个行业的第一主成分值按大小排序，得到行业得分表4。
表4 各行业得分
PRIN1 PRIN2
Nhy14 3.74612-2.97047
Ihy9
2.65745 3.30435
Fhy6
2.55248 1.86588
Lhy12 2.35852-1.13968
Bhy2
0.96811-0.86717
Khy11 0.89335-0.33816
Ahy1 -0.18055 0.52230
Chy3 -0.49290 0.29060
Ehy5 -0.72469-0.21675
Mhy13 -0.88993 0.09712
Phy16 -0.95682 0.38894
Jhy10 -1.25602-0.11951
Hhy8 -1.67319 0.33448
Ghy7 -1.84759-0.85382
Dhy4 -2.50180-0.04053
Ohy15 -2.65252-0.25757
此结果显示：电子及通信设备制造业（prin1＝3.746 12 ）明显居于首位，黑色金属冶炼及压延加工业（2.657 45），化学原料及化学制品制造业（2.552 48），交通运输设备制造业（2.358 52）次之，与实际比较相符。第二主成分在变量Z[,1]，Z[,2]，Z[,3]上的系数是负值，其余为正值。在负值中，Z[,1]是工业总产值，Z[,2]是销售总收入， Z[,3]是利税总额，这些可视为产出；在正值中，Z[,4] 是固定资产合计，Z[,5]是资本金合计，Z[,6]是年平均职工人数，Z[,7] 是能源消耗，这些可视为投入，故可把prin2视为代表行业效益.其具体含义是：prin2越大，效益越差；prin2越小，效益越好。
将第一主成分prin1作为横轴，将第二主成分prin2作为纵轴，每个行业就有了两个坐标，因而可以在平面上标出一个点，把这十六个行业全部标出就可得到主成分坐标图（图1）。由于prin1代表规模， prin2代表效益，且prin1越大越好，prin2越小越好，故处于坐标系越靠右下越好，即规模越大，效益越好。越靠右上越差，即规模很大，但效益很差。从散点图上可以看出，Nhy14即电子及通信设备制造业最好， 也就是说，规模最大，效益也最好，其次为Lhy12为交通运输设备制造业， 最差的行业Ihy9为黑色金属冶炼及加工业，规模很大，仅次于电子及通信设备制造业，但效益却是最差的.进一步由图1 可直观地把十六个行业分成四类：Nhy14为一类，Fhy6为一类，Ihy9为一类，其余为一类。
3 各行业发展状态的聚类分析
用SAS软件包，用第一主成分和第二主成分来作聚类分析[5]，从结果中可以看出，它们可以分成四类：
（1）Nhy14即电子及通信设备制造业单独为一类，记为C1；
（2）Fhy6即化学原料及化学制品制造业单独为一类，记为C2；
（3）Ihy9即黑色金属冶炼及压延加工业单独为一类，记为C3；
（4）把其余的分为一类，记为C4；
C1类是最好的一类，即规模最大，效益最好，属于集约型行业，应成为工业中的支柱行业。C4是比较好的一类，有待于进一步发展。C2类和C3类则为比较差的行业，是高投入，低产出，高消耗，低效益的行业，属于粗放型行业.若要分成三类，则把C2和C3合并成一类即可。
分类结果比较符合目前天津工业的实际情况。电子及通信设备制造业中科技成分含量很高，也属于附加值较高的行业，相对于其他行业来说有一定的优势，所以效益比较好，也应成为工业中的支柱行业。而化学原料及化学制品制造业与黑色金属冶炼及压延加工业对于天津市来说则比较差，落后于国内其它地区，有待于加大科技成分含量，或改变生产经营方针以改变其集约型增长方式。因篇幅所限，聚类分析运行结果略。
4 各行业发展状态的因子分析
为使主成分有更鲜明的实际背景，各原始指标与主成分之间有着更合理的解释。作最大方差正交旋转，使各因子仍保持互不相关，且因子负荷最大限度地向两极分化，运行结果见表5，表6。
从主成分分析输出的相关阵中可知有两个大的特征值，3.900 2 和1.791 8，它们一起解释了标准方差的81.31%。于是在大多数场合下，前两个公共因子提供了原始数据的足够信息。其中第一个公共因子对所有七个变量都具有大的正负荷，它与Z[,2] （销售总收入）相关特别大（0.905 90）。第二公共因子中，Z[,4]（0.594 80）和Z[,7]（0.775 02）与Z[,1]（-0.450 29）和Z[,3]（-0.600 99）形成鲜明对照， 而在Z[,6]（0.005 77）上的负荷非常小， 最终公共因子方差估计表明，除Z[,6]外，所有变量很好地被两个公共因子所解释， 因为最终公共因子方差估计在0.843 398（来自Z[,7]）到0.966 810（来自Z[,1]）的范围内。
表5旋转前因子得分
FACTOR1 FACTOR2
Z1 0.87410 -0.45029
Z2 0.90590 -0.37103
Z3 0.71778 -0.60099
Z4 0.76605 0.59480
Z5 0.87117 0.36841
Z6 0.46016 0.00577
Z7 0.49268 0.77502
表6旋转后因子得分
FACTOR1 FACTOR2
Z1 0.98280 0.03031
Z2 0.97215 0.11504
Z3 0.91922 -0.17731
Z4 0.38131 0.89176
Z5 0.58305 0.74478
Z6 0.39958 0.22829
Z7 0.05483 0.91673
PRIN1 0.87444 0.48513
PRIN2 -0.48513 0.87444
采用最大方差旋转后，可以看出，旋转后的公共因子有着更鲜明的实际意义[6～8]。其中第一公共因子中系数绝对值大的主要是Z[,1] （工业总产值），Z[,2]（销售总收入）和Z[,3]（利税总额），故可以认为，这是代表行业的产出，也可以称之为效益；第二公共因子主要反映了Z[,4]（固定资产合计），Z[,5]（资本金合计），Z[,7] （能源消耗），反映了对行业的投入，也可称为消耗， 如果以第一公共因子 （Factor1）和第二公共因子（Factor2）为坐标轴画图，显然可看出，坐标轴将穿过Z[,1]（A），Z[,2]（B）和Z[,7]（G），由于Z[,1] 为工业总产值，Z[,2]为销售总收入，Z[,7]为能源消耗.这进一步说明了两个公共因子的含义.第一公共因子代表效益，第二公共因子代表消耗。
5 结论
由上面的结果解释中可看出，不仅利用主成分分析给出了各行业规模和效益的排名，电子及通信设备制造业最好，黑色金属冶炼及压延加工业最差.且从主成分分析和因子分析中能看出各项经济指标可在多大程度上反映行业经济效益、发展潜力的状况.还可从聚类分析中得到各行业发展层次的分布情况，与实际比较吻合.
应当指出，评价经济问题是比较复杂的，本文选取的指标由于资料的限制，也未必都能确切地反映各行业的实际情况，但是所得的结论表明文中使用的方法对制定地区整体经济发展战略是有实际意义的。
收稿日期：1999—08—20；修订日期：2000—01—04.